論文の概要: Stationary Algorithmic Balancing For Dynamic Email Re-Ranking Problem

• arxiv url: http://arxiv.org/abs/2308.08460v1
• Date: Sat, 12 Aug 2023 23:08:15 GMT
• ステータス: 処理完了
• システム内更新日: 2023-08-17 12:43:58.665818
• Title: Stationary Algorithmic Balancing For Dynamic Email Re-Ranking Problem
• Title（参考訳）: 動的メール再ランキング問題に対する定常アルゴリズムのバランス
• Authors: Jiayi Liu, Jennifer Neville
• Abstract要約: メールプラットフォームは、ユーザーの好みを満たすメールの個人別ランキングを生成する必要がある。 提案するMOSR(Multi-Objective Stationary Recommender)は、適応制御モデルを用いて、これらの基準のバランスをとり、好みの変化に適応する新しいオンラインアルゴリズムである。 私たちの研究は、ユーザの満足度に影響を与える複数の目的を考慮に入れた、メールの再ランク付けシステムの設計方法に関する、新しい洞察を提供する。
• 参考スコア（独自算出の注目度）: 15.577323828377798
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Email platforms need to generate personalized rankings of emails that satisfy user preferences, which may vary over time. We approach this as a recommendation problem based on three criteria: closeness (how relevant the sender and topic are to the user), timeliness (how recent the email is), and conciseness (how brief the email is). We propose MOSR (Multi-Objective Stationary Recommender), a novel online algorithm that uses an adaptive control model to dynamically balance these criteria and adapt to preference changes. We evaluate MOSR on the Enron Email Dataset, a large collection of real emails, and compare it with other baselines. The results show that MOSR achieves better performance, especially under non-stationary preferences, where users value different criteria more or less over time. We also test MOSR's robustness on a smaller down-sampled dataset that exhibits high variance in email characteristics, and show that it maintains stable rankings across different samples. Our work offers novel insights into how to design email re-ranking systems that account for multiple objectives impacting user satisfaction.
• Abstract（参考訳）: メールプラットフォームは、ユーザーの好みを満足するメールのパーソナライズされたランキングを生成する必要がある。 クローズネス(送信者とトピックがユーザとどの程度関連しているか)、タイムライン(メールの近況)、簡潔さ(メールの簡潔さ)という3つの基準に基づいて、これをレコメンデーション問題としてアプローチする。 mosr(multi-objective stationary recommender)は,適応制御モデルを用いて,これらの基準を動的にバランスさせ,嗜好変化に適応する,新しいオンラインアルゴリズムである。 実メールの集合であるEnron Email Dataset上でMOSRを評価し,それを他のベースラインと比較する。 以上の結果から,MOSRは特に非定常的な選好において,ユーザが時間とともに異なる基準を多かれ少なかれ評価する上で,優れた性能を発揮することが示された。 また,メール特性のばらつきが高い小型のダウンサンプリングデータセット上でmosrのロバスト性をテストし,異なるサンプル間で安定したランキングを維持していることを示す。 本研究は,ユーザの満足度に影響を与える複数の目的を考慮したメールリランキングシステムの設計方法に関する新たな知見を提供する。

関連論文リスト

• Preference Diffusion for Recommendation [50.8692409346126]
  DMベースのレコメンデータに適した最適化対象であるPreferDiffを提案する。 PreferDiffは、BPRをログライクなランキング目標に変換することで、ユーザの好みをよりよく把握する。 これはDMベースのレコメンデーション向けに特別に設計された、パーソナライズされたランキングの損失である。
  論文  参考訳（メタデータ） (2024-10-17T01:02:04Z)
• Towards Realistic Evaluation of Commit Message Generation by Matching Online and Offline Settings [77.20838441870151]
  コミットメッセージ生成は、ソフトウェアエンジニアリングにおいて重要なタスクであり、正しく評価することが難しい。 オンラインメトリック - VCSに生成されたメッセージをコミットする前にユーザが導入する編集回数 - を使用して、オフライン実験用のメトリクスを選択します。 その結果,編集距離が最も高い相関を示すのに対し,BLEUやMETEORなどの類似度は低い相関を示すことがわかった。
  論文  参考訳（メタデータ） (2024-10-15T20:32:07Z)
• Different Victims, Same Layout: Email Visual Similarity Detection for Enhanced Email Protection [0.3683202928838613]
  我々は,電子メール脅威防御システムの検知能力を向上させるために,Pisco という名の電子メール視覚類似性検出手法を提案する。 以上の結果から,Eメールキットは広範囲に再利用され,視覚的に類似したメールが,さまざまな時間間隔で当社の顧客に送信されていることが明らかとなった。
  論文  参考訳（メタデータ） (2024-08-29T23:51:51Z)
• Ada-Retrieval: An Adaptive Multi-Round Retrieval Paradigm for Sequential Recommendations [50.03560306423678]
  本稿では,レコメンダシステムのための適応型マルチラウンド検索パラダイムであるAda-Retrievalを提案する。 Ada-Retrievalは、ユーザー表現を反復的に洗練し、全項目領域の潜在的な候補をよりよく捉えます。
  論文  参考訳（メタデータ） (2024-01-12T15:26:40Z)
• PROMINET: Prototype-based Multi-View Network for Interpretable Email Response Prediction [12.727146945870809]
  本研究では,メールデータからの意味情報と構造情報を組み込んだプロトタイプベースのマルチビューネットワーク(PROMINET)を提案する。 モデルマップは意味と構造を学習し、文書、文、フレーズなど、異なるレベルの粒度のトレーニングデータ中のサンプルを観察した。 学習したプロトタイプは、メールのテキスト編集を強化し、効果的なメール応答の可能性を高めるための提案を生成する可能性も示している。
  論文  参考訳（メタデータ） (2023-10-25T16:39:00Z)
• The Minority Matters: A Diversity-Promoting Collaborative Metric Learning Algorithm [154.47590401735323]
  CML(Collaborative Metric Learning)は、リコメンデーションシステムにおいて人気のある手法として最近登場した。 本稿では,ユーザが複数のカテゴリの関心を持つ,困難なシナリオに焦点をあてる。 textitDiversity-Promoting Collaborative Metric Learning (DPCML) と呼ばれる新しい手法を提案する。
  論文  参考訳（メタデータ） (2022-09-30T08:02:18Z)
• Profiler: Profile-Based Model to Detect Phishing Emails [15.109679047753355]
  本稿では,攻撃者がメールに適応して検出を回避できる可能性を低減するために,メールの多次元リスク評価を提案する。 本研究では,(1)脅威レベル,(2)認知的操作,(3)電子メールタイプを分析する3つのモデルを含むリスクアセスメントフレームワークを開発する。 プロファイラは、MLアプローチと併用して、誤分類を減らしたり、トレーニング段階で大規模な電子メールデータセットのラベル付けとして使用することができる。
  論文  参考訳（メタデータ） (2022-08-18T10:01:55Z)
• Stress-Testing LiDAR Registration [52.24383388306149]
  本稿では,LiDARデータセットからフレームペアの挑戦的集合である平衡登録集合を選択する手法を提案する。 おそらく予想外のことに、最も高速かつ同時に正確なアプローチは、先進RANSACのバージョンであることがわかった。
  論文  参考訳（メタデータ） (2022-04-16T05:10:55Z)
• Effective Email Spam Detection System using Extreme Gradient Boosting [1.8899300124593645]
  本研究は, Extreme Gradient Boosting(XGBoost)に基づくスパム検出モデルの改良である。 実験結果は、提案されたモデルは、評価指標の広い範囲にまたがる以前のアプローチを上回っていることを示している。
  論文  参考訳（メタデータ） (2020-12-27T15:23:58Z)
• Learning with Weak Supervision for Email Intent Detection [56.71599262462638]
  本稿では,メールの意図を検出するために,ユーザアクションを弱い監視源として活用することを提案する。 メール意図識別のためのエンドツーエンドの堅牢なディープニューラルネットワークモデルを開発した。
  論文  参考訳（メタデータ） (2020-05-26T23:41:05Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。